[發(fā)明專(zhuān)利]一種代碼相似度檢測(cè)的方法、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111114518.4
• 申請(qǐng)日: 2021-09-23
• 公開(kāi)（公告）號(hào): CN115858328A
• 公開(kāi)（公告）日: 2023-03-28
• 發(fā)明（設(shè)計(jì)）人: 閔婕
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)電信股份有限公司
• 主分類(lèi)號(hào): G06F11/36
• 分類(lèi)號(hào): G06F11/36;G06F40/216;G06F40/194
• 代理公司: 中國(guó)貿(mào)促會(huì)專(zhuān)利商標(biāo)事務(wù)所有限公司 11038
• 代理人: 肖靖

1.一種代碼相似度檢測(cè)方法，包括：

針對(duì)待檢測(cè)代碼和第一比較代碼分別進(jìn)行結(jié)構(gòu)分析，獲得待檢測(cè)代碼結(jié)構(gòu)類(lèi)圖和第一比較代碼結(jié)構(gòu)類(lèi)圖；

計(jì)算待檢測(cè)代碼結(jié)構(gòu)類(lèi)圖和第一比較代碼結(jié)構(gòu)類(lèi)圖的相似度；

在所述相似度小于等于第一閾值的情況下，判斷為待檢測(cè)代碼和第一比較代碼的代碼結(jié)構(gòu)相似，并且計(jì)算待檢測(cè)代碼的詞條與第二比較代碼間的詞條間的分布比重，并按照從大到小的順序排列分布比重來(lái)獲得第一特征向量，所述第二比較代碼是與待檢測(cè)代碼同類(lèi)型的代碼；

計(jì)算待檢測(cè)代碼詞條的出現(xiàn)頻率權(quán)重，并按照從大到小的順序排列出現(xiàn)頻率權(quán)重來(lái)獲得第二特征向量；

對(duì)第一特征向量與第二特征向量取交集來(lái)獲得最終特征向量；

根據(jù)最終特征向量和第一比較代碼的詞條向量，計(jì)算余弦相似度，比較余弦相似度與第二閾值的大小，如果余弦相似度大于第二閾值，則判定為待檢測(cè)代碼為抄襲；如果余弦相似度小于等于第二閾值，則判斷為待檢測(cè)代碼沒(méi)有抄襲。

2.根據(jù)權(quán)利要求1所述的方法，其中，

利用SSIM算法來(lái)計(jì)算相似度，即

其中，

其中，P1表示待檢測(cè)代碼結(jié)構(gòu)類(lèi)圖，P2表示第一比較代碼結(jié)構(gòu)類(lèi)圖，P1_i、P2_i分別為類(lèi)圖P1、P2的第i個(gè)像素值，N為像素值的總數(shù)，μ表示類(lèi)圖的像素值的平均值，σ²表示類(lèi)圖的像素值的方差。

3.根據(jù)權(quán)利要求1所述的方法，其中，

在相似度大于第一閾值的情況下，判斷為代碼結(jié)構(gòu)不相似。

4.根據(jù)權(quán)利要求1所述的方法，其中，

利用卡方檢驗(yàn)計(jì)算代碼詞條在同類(lèi)代碼間的分布比重，

其中，n表示切分后的代碼詞條，W表示切分后的所有代碼詞條的數(shù)量，E_i表示各個(gè)代碼詞條在類(lèi)間分布的理論值。

5.根據(jù)權(quán)利要求1所述的方法，其中，

利用以下公式來(lái)計(jì)算詞條出現(xiàn)頻率權(quán)重，

其中，i表示詞條的編號(hào)，例如，將在某文件中切分后的代碼詞條分別標(biāo)記為n₁、n₂、n₃.......，i為自然數(shù)；j表示某代碼詞條所屬的代碼文件的編號(hào)，例如，n_1,2表示代碼文件2中的代碼詞條n₁，n_2,3表示代碼文件3中的代碼詞條n₂，j為自然數(shù)；W_i,j表示代碼詞條n_i在文件j中出現(xiàn)的次數(shù)；W_j表示在文件j中所有代碼詞條的數(shù)目；|{j:n_i∈d_j}|表示待檢測(cè)代碼的詞條n_i包含于第二比較代碼中文件編號(hào)為j的詞條集合d_j的文件數(shù)目，D表示第二比較代碼的文件的總數(shù)。

6.根據(jù)權(quán)利要求1所述的方法，其中，

利用下述公式來(lái)計(jì)算余弦相似度，

其中，x_i、y_i分別表示最終特征向量和第一比較代碼的詞條向量。

7.根據(jù)權(quán)利要求1所述的方法，其中，

使用rational rose對(duì)代碼結(jié)構(gòu)進(jìn)行分析并生成類(lèi)圖。

8.一種代碼相似度檢測(cè)裝置，包括：

存儲(chǔ)器，其上存儲(chǔ)有指令；以及

處理器，被配置為執(zhí)行存儲(chǔ)在所述存儲(chǔ)器上的指令，以執(zhí)行根據(jù)權(quán)利要求1至7中的任一項(xiàng)所述的方法。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令在由一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得所述一個(gè)或多個(gè)處理器執(zhí)行根據(jù)權(quán)利要求1至7中的任意一項(xiàng)所述的方法。